LLM Eval Suite

macOS上で動くネイティブの評価ツール。プロンプトと生成設定のバリエーションを構造化して比較し、出力を横並びに表示して検証できる。構造化スコアリング、リーダーボード追跡、再現性のある評価、そして独自のジャッジ提供者を持ち込む機能を備える。AI Doctor Notes など実務での活用例も紹介され、1人の開発者でも使える設計になっている。